> ## Documentation Index > Fetch the complete documentation index at: https://docs.comfy.org/llms.txt > Use this file to discover all available pages before exploring further. # ByteDance Seed Audio 1.0 - ComfyUI Built-in Node Documentation > Genera voz, música, efectos de sonido y diálogo con varios hablantes a partir de un solo prompt con ByteDance Seed Audio 1.0. Genera voz, música, efectos de sonido y diálogo con varios hablantes a partir de un solo prompt con ByteDance Seed Audio 1.0. Describe la(s) voz/voces, la emoción, el ritmo, el ambiente, la música de fondo y los efectos de sonido en el prompt, e incluye las líneas que se van a pronunciar. De manera opcional, elige una voz predefinida integrada, clona voces a partir de hasta 3 clips de referencia (etiquetados como @Audio1-3 en el prompt), o deriva una voz a partir de una imagen de personaje. Hasta 2 minutos de audio por ejecución. El modelo multilingüe admite 20 idiomas y control de tiempos basado en marcas de tiempo. ## Entradas | Parámetro | Descripción | Tipo de datos | Obligatorio | Rango | | - | - | - | - | - | | `text_prompt` | Describe la(s) voz/voces, la emoción, el ritmo, el ambiente, la música de fondo y los efectos de sonido, e incluye las líneas que se van a pronunciar (nombra a los personajes en línea para el diálogo). En el modo "audio reference", haz referencia a los clips conectados por orden como @Audio1, @Audio2, @Audio3. Con el modelo multilingüe, una línea entre comillas puede comenzar con un rango de marcas de tiempo que controla cuándo y durante cuánto tiempo se pronuncia, p. ej., `[5.5s:8.0s] Wait for me!`. Escribe el prompt en el mismo idioma que las líneas que se van a pronunciar. Mínimo 1 carácter, máximo 3000 caracteres. | STRING | Sí | 1 a 3000 caracteres | | `reference_mode` | Cómo condicionar la voz: "text only" (describe todo en el prompt), "audio reference" (clona hasta 3 voces, etiquetadas @Audio1-3), "image reference" (deriva una voz a partir de una imagen de personaje), o "preset voice" (elige una voz integrada con nombre que lee el prompt). | COMBO | Sí | `"text only"` `"audio reference"` `"image reference"` `"preset voice"` | | `reference_audio_1` | Clip de referencia para clonación de voz, etiquetado como @Audio1 en el prompt. Hasta 30 s. Disponible solo cuando `reference_mode` es "audio reference". | AUDIO | No | Hasta 30 segundos | | `reference_audio_2` | Clip de referencia etiquetado como @Audio2 en el prompt. Hasta 30 s. Disponible solo cuando `reference_mode` es "audio reference". | AUDIO | No | Hasta 30 segundos | | `reference_audio_3` | Clip de referencia etiquetado como @Audio3 en el prompt. Hasta 30 s. Disponible solo cuando `reference_mode` es "audio reference". | AUDIO | No | Hasta 30 segundos | | `reference_image` | Una única imagen de personaje; el modelo deriva una voz a partir de ella. No se puede combinar con audio de referencia. Disponible solo cuando `reference_mode` es "image reference". | IMAGE | No | - | | `preset_voice` | Una voz integrada de TTS 2.0 que lee el prompt. No se necesita clip de referencia y las etiquetas @AudioN no se usan en este modo. Obligatorio cuando `reference_mode` es "preset voice". | COMBO | No | Múltiples opciones de voces predefinidas integradas (la primera opción se selecciona de forma predeterminada) | | `sample_rate` | Frecuencia de muestreo de salida en Hz. (predeterminado: "24000") | COMBO | Sí | `"8000"` `"16000"` `"24000"` `"32000"` `"44100"` `"48000"` | | `speech_rate` | Velocidad del habla. 0 = normal, 100 = 2.0x, -50 = 0.5x. (predeterminado: 0) | INT | Sí | -50 a 100 | | `loudness_rate` | Sonoridad. 0 = normal, 100 = 2.0x, -50 = 0.5x. (predeterminado: 0) | INT | Sí | -50 a 100 | | `pitch_rate` | Desplazamiento de tono en semitonos (-12 a 12). (predeterminado: 0) | INT | Sí | -12 a 12 | | `seed` | La semilla controla si el nodo debe volver a ejecutarse; los resultados no son deterministas independientemente de la semilla. (predeterminado: 42) | INT | Sí | 0 a 2147483647 | | `model` | Versión del modelo. `seed-audio-1.0-multilingual` admite 20 idiomas y control de tiempos por oración mediante marcas de tiempo con formato `[5.5s:8.0s]`. `seed-audio-1.0` admite solo inglés y chino, sin control de tiempos. (predeterminado: "seed-audio-1.0-multilingual") | COMBO | No | `"seed-audio-1.0-multilingual"` `"seed-audio-1.0"` | ### Restricciones de parámetros * **Dependencias del modo de referencia**: El parámetro `reference_mode` determina qué otras entradas son obligatorias: * **"text only"**: No se requieren entradas adicionales. El prompt no debe contener etiquetas @AudioN. * **"audio reference"**: Requiere que al menos uno de `reference_audio_1`, `reference_audio_2` o `reference_audio_3` esté conectado. Los clips de referencia deben conectarse en orden sin dejar huecos. Cada clip está limitado a una duración máxima de 30 segundos. Si se usan etiquetas @AudioN en el prompt, el número de etiqueta más alto no debe superar el número de clips de referencia conectados. * **"image reference"**: Requiere que `reference_image` esté conectado. No se usan etiquetas @AudioN; el prompt debe contener solo el texto que se va a sintetizar. * **"preset voice"**: Requiere que se seleccione una voz predefinida. Todo el prompt se lee con la voz seleccionada; las etiquetas @AudioN no se usan como referencias, y las etiquetas como @Audio2 o superiores se rechazan. * **Orden de las referencias de audio**: En el modo "audio reference", las entradas de audio de referencia deben conectarse de forma secuencial comenzando desde `reference_audio_1` sin dejar huecos. Por ejemplo, puedes conectar `reference_audio_1` y `reference_audio_2`, pero no `reference_audio_1` y `reference_audio_3` sin `reference_audio_2`. * **Máximo de etiquetas de audio**: En el modo "audio reference", se pueden conectar hasta 3 clips de referencia (@Audio1, @Audio2, @Audio3), y la etiqueta @AudioN más alta en el prompt no puede superar el número de entradas de audio de referencia conectadas. * **Diferencias entre modelos**: El modelo `seed-audio-1.0-multilingual` admite 20 idiomas (inglés, chino, japonés, coreano, español de México y de Castilla, indonesio, alemán, portugués de Brasil, francés, tailandés, vietnamita, malayo, filipino, italiano, ruso, neerlandés, polaco, turco, sueco) además de control de tiempos por oración usando marcas de tiempo con el formato `[5.5s:8.0s]`. El modelo `seed-audio-1.0` admite solo inglés y chino, sin control de tiempos. ## Salidas | Nombre de salida | Descripción | Tipo de datos | | - | - | - | | `AUDIO` | La salida de audio generada por ByteDance Seed Audio 1.0, que contiene voz, música, efectos de sonido o diálogo con varios hablantes según lo descrito en el prompt. | AUDIO | > Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! [Editar en GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ByteDanceSeedAudio/es.md) *** **Source fingerprint (SHA-256):** `e86e4edde424b4427d864350a9d3b082e271fbd2b1e335175637a9cc3ad51163` This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.